简介面向火焰烟雾目标检测任务的YOLO格式数据集及配套工程包适合人工智能、深度学习方向的开发者与研究人员可直接用于模型训练、验证与工程化部署。数据图片清晰、场景覆盖广泛所有样本经人工精心挑选与标注可以作为火焰烟雾检测的通用模板数据集针对特定应用场景只需补充少量现场数据即可快速迭代模型省去大量收集、筛选与标注工作。压缩包共332个文件约32.18MB主要包含图像与视频样本、txt/names/data等标注格式文件、yaml及cfg模型配置、py/sh训练与推理脚本以及darknet相关C/CUDA源码和可执行模块兼顾数据处理与算法二次开发需求。目前已有2017人学习下载适合需要快速搭建火焰烟雾检测系统的开发者参考使用。1. 火焰烟雾数据集为什么我建议直接从YOLO格式开始在安防和工业监控场景下火焰烟雾检测最耗时间的环节往往是数据准备。拉过来的公开图片要么背景单一要么标注格式混乱换到实际监控点效果很差。这套火焰烟雾数据集YOLO.zip是已经把图片清理过、人工标注完的模板数据图片清晰、场景覆盖广能直接扔给Darknet/YOLO训练。对于算法工程师来说它解决了从零收集、筛选、标注图片的脏活让你把精力放在模型调参和部署上。如果你正在做人脸识别、吸烟检测或明火报警相关项目这套数据也能作为底座配合少量特定场景数据微调很快出结果。下面从数据格式开始完整走一遍训练到部署的链路。2. 数据集内容与Darknet源码文件压缩包里到底有什么2.1 图片集与标注文件的组织方式解压之后目录结构是典型的Darknet训练工程布局。一个最重要的约定是图片和同名txt标注放在不同目录训练时通过文本文件列表去关联它们。通常你会看到images/和labels/两个文件夹images里是原始图片labels里是每个图片对应的txt文件每行对应图中一个目标。classes.txt定义了类别名称例如fire和smoke类别ID就是行号从0开始。这个命名规则直接决定之后所有训练脚本如何读取。文件/目录作用images/存放火焰烟雾图片JPG或PNGlabels/存放与图片同名的txt标注YOLO格式classes.txt每行一个类别名行号即类别IDtrain.txt训练图片路径列表由使用者生成gemm.c、parser.c 等Darknet源码编译训练框架所需对于火焰烟雾检测最常见的是二分类即0 fire、1 smoke。但如果你还希望区分早期阴燃和明火完全可以把类别扩充到3个或更多数据集本身的标注是基于人工框选的目标范围没有锁定类别数量这也是模板数据灵活的地方。2.2 Darknet关键C文件在训练中的角色项目内列出的C文件都不是数据集标注而是Darknet运行时依赖的核心模块。不把它们放进工程里训练程序连编译都过不去。这些文件之间的关系并不复杂gemm.c实现矩阵乘法是卷积前向和反向的底层地基parser.c负责解析yolov3.cfg这类网络结构文件data.c承担图片批量读取和增强detector.c是检测入口支持train和test两种模式convolutional_layer.c定义卷积层的前后向计算conv_lstm_layer.c则是卷积LSTM实现适合对视频序列建模yolo_layer.c直接计算输出层的损失函数。如果你使用的是官方Darknet这份清单几乎是最小编译集合的一部分。这里要说清楚一个容易踩的坑不要随便把不同分支的Darknet源码混合编译。比如从AlexeyAB库拉取源码之后又用官方老版本的gemm.c去替换会出现矩阵维度对不上的错误报错位置通常就在gemm的指针越界。我一般会直接固定一个版本的Darknet并记录commit号这样后续更换数据集或改cfg时可复现性才有保障。2.3 手动校验标注质量的工具与方法训练一个火焰烟雾模型前花十分钟跑一遍标注质量检查非常值。最可能出现的问题是标注坐标越界、图片存在但labels目录里缺少对应txt、以及类别ID不连续。下面这段脚本可以快速排查import os from collections import defaultdict def check_labels(img_dir, label_dir): img_files [f for f in os.listdir(img_dir) if f.endswith(.jpg)] issues [] cls_count defaultdict(int) for img in img_files: lbl os.path.splitext(img)[0] .txt path os.path.join(label_dir, lbl) if not os.path.exists(path): issues.append((img, missing label)) continue with open(path) as f: lines f.read().splitlines() if len(lines) 0: issues.append((img, empty label)) continue for line in lines: parts line.split() if len(parts) ! 5: issues.append((img, bad format: %s % line)) continue cls_id int(parts[0]) x, y, w, h map(float, parts[1:]) cls_count[cls_id] 1 if not (0 x 1 and 0 y 1 and 0 w 1 and 0 h 1): issues.append((img, out of range: %s % line)) return issues, cls_count issues, cls_count check_labels(images, labels) print(issues:, issues[:20]) print(class distribution:, dict(cls_count))这段代码会遍历images下所有jpg图片在labels目录找同名txt逐行检查格式和数值区间。注意这里的坐标必须是归一化后的0到1范围如果发现某个框的w或h大于1说明标注文件可能是像素坐标需要先做归一化再进入训练流程。3. 标注格式解析与KITTI转YOLO一份可复用的转换脚本3.1 YOLO标注格式的数学定义YOLO格式的标注核心是“归一化中心点加宽高”。假设图片宽为W、高为H某个目标框在像素坐标下的左上角为(x1, y1)右下角为(x2, y2)那么YOLO格式需要的四个值分别是xc (x1 x2) / (2 * W) yc (y1 y2) / (2 * H) w (x2 - x1) / W h (y2 - y1) / H类别ID单独放在每行开头。这个定义决定了它天然适应不同分辨率的图片因为所有坐标都是相对值。反过来说如果在预处理时对图片做了resize归一化坐标不需要反向缩放如果是直接裁剪图片就需要重新计算标注。很多新手把xc和yc当作像素坐标直接画框得到的框位置完全错位。一个快速验证方法是把txt里的数值乘以图片宽高再看是否落在目标上。3.2 KITTI标注转YOLO脚本实现在自动驾驶领域经常遇到KITTI格式的数据集。KITTI的标注行比YOLO复杂包含了截断度、遮挡程度、3D尺寸和朝向角等字段但转换时我们只需要bbox的四个像素坐标。常见做法是先从csv或txt中提取KITTI这行然后执行如下转换import os def kitti_to_yolo(kitti_path, img_w, img_h, out_path, class_names): with open(kitti_path) as f: lines f.read().splitlines() yolo_lines [] for line in lines: parts line.split() if len(parts) 8: continue cls_name parts[0] x1, y1, x2, y2 map(float, parts[4:8]) if x2 x1 or y2 y1: continue xc (x1 x2) / 2 / img_w yc (y1 y2) / 2 / img_h w (x2 - x1) / img_w h (y2 - y1) / img_h cls_id class_names.index(cls_name) yolo_lines.append(f{cls_id} {xc:.6f} {yc:.6f} {w:.6f} {h:.6f}) with open(out_path, w) as f: f.write(\n.join(yolo_lines)) class_names [DontCare, Car, Pedestrian, Fire, Smoke] kitti_to_yolo(sample_kitti.txt, 1920, 1080, sample_yolo.txt, class_names)这个脚本的关键在于直接读取KITTI行里的第4到第8个字段作为2D框也就是x1 y1 x2 y2。最后的class_names需要你根据KITTI原始类别重新定义如果原始数据里有DontCare建议直接跳过否则训练时会引入无效的负样本。注意输出时保留6位小数精度越高训练启动时框归一化越稳定。3.3 归一化坐标在图像resize时的陷阱前处理里最常见的坑是你在训练脚本中把图片resize到了640x640但标注txt里的w和h仍然是基于原图的归一化值此时你不需要任何修改因为归一化已经消除了尺寸影响。只有在两种情况下需要重新计算操作类型是否需要重算原因等比缩放图片不需要归一化坐标相对比例不变裁剪图片必须重算目标框在裁剪后坐标系中位置变化拼接图片Mosaic必须重算每张子图被平移并缩放到新画布表格列出的情况都很常见。尤其是Mosaic增强Darknet实现会先对四张图分别缩放再拼到一个大画布上标签也要跟着做对应的仿射变换。如果自己写数据增强最容易漏掉的就是这一步导致模型训练时看到的框与实际目标不符表现为训练Loss很快降到很低但mAP始终上不去。4. Darknet训练流程从编译到跑通火焰烟雾模型4.1 编译DarknetGPU环境与Makefile关键选项拿到数据集后第一步是准备好编译环境。Darknet的构建依赖一套配套的C编译器在Ubuntu上最省事的是直接修改Makefile。对于火焰烟雾检测这种视频流任务建议开启GPU加速否则推理速度很难满足实时监控要求。打开Makefile把前几行改成GPU1 CUDNN1 OPENCV1随后在源码根目录执行make -j8。如果编译过程中报错缺少cudnn.h说明CUDA目录没有正确暴露常见解法是设置PATH和LD_LIBRARY_PATH后再编译。这里要注意项目自带的gemm.c和parser.c等文件必须和你要编译的框架版本匹配直接拿新版本源码去替换会引起结构体定义不一致。Makefile选项打开方式影响GPU1使用CUDA训练CUDNN1使用cuDNN加速卷积OPENCV1摄像头读取与图像保存CUDNN_HALF1半精度推理注意输出精度4.2 训练数据清单与训练配置编译完成后需要把数据集划分成训练集和验证集。Darknet不直接读目录而是通过train.txt和val.txt分别提供图片路径。生成路径列表可以用一条命令find /path/to/fire_dataset/images -name *.jpg train.txt find /path/to/fire_dataset/images -name *.jpg val.txt更合理的做法是先用脚本把数据按8:1:1划分然后把train和val分布到两个文件。实际使用中我还会额外生成一个test.txt避免用验证集反复调优导致过拟合。确认列表后创建fire.data文件内容参考如下classes2 train/path/to/train.txt valid/path/to/val.txt names/path/to/classes.txt backup/path/to/backup/这里classes必须与classes.txt的行数一致backup目录用来保存训练过程中的权重文件。如果忘记创建backup目录程序会在训练中途报错无法写入权重。4.3 执行训练与断点续训命令基于数据集自带的模板我一般会先从预训练权重开始训练。YOLOv3系列官方提供的darknet53.conv.74是不带检测头的特征提取预训练权重适合迁移到火焰烟雾检测任务。启动命令./darknet detector train data/fire.data cfg/yolov3-fire.cfg darknet53.conv.74 -map命令里的detector train指定训练模式data/fire.data是前面创建的配置cfg/yolov3-fire.cfg是网络结构文件darknet53.conv.74是预训练权重。-map会在每个epoch结束后在验证集上计算mAP方便观察过拟合。训练中断后不需要重新开始继续用上一次保存的weights文件./darknet detector train data/fire.data cfg/yolov3-fire.cfg backup/yolov3-fire_last.weights这种断点续训方式在长时间挂机训练时非常实用。需要注意续训时不能再附加预训练权重否则会覆盖已经学到的检测头参数严重时导致loss从高位重新下降。5. YOLO损失函数分析与火焰烟雾场景调参5.1 损失函数四个组成部分YOLO的损失函数不是单一loss而是四个部分的加权和。在yolo_layer.c中输入特征图被切成网格每个网格预测多个anchor然后分别计算坐标损失、置信度损失和类别损失。坐标损失使用平方误差监督目标框中心点偏移和宽高缩放置信度损失使用二元交叉熵区分该网格内是否真实存在目标类别损失同样是交叉熵只在有目标的网格上计算。第四个部分是noobj损失用于抑制没有目标区域产生误检。这四部分里面noobj loss的影响常被低估。火焰烟雾场景下的负样本比例极高因为大部分监控画面在绝大多数时间里都没有火情。如果noobj权重设置过大模型会倾向于把所有框都预测成背景召回率暴跌设置过小又会出现大量误报。我通常先保持默认然后根据第一次训练日志中的混淆矩阵微调。5.2 小目标、曝光度与类不平衡anchor和超参数的调整火焰烟雾的特殊性在于目标尺度变化很大近距离火焰可能占半张图远距离烟雾可能只有十几个像素。YOLOv3默认的anchor基于COCO数据集对火焰烟雾并不合适需要重新聚类。常见做法是用kmeans对训练集标注框做anchor聚类比如输入分辨率建议anchor个数适用场景416x4166~9目标是中小尺寸608x6089需要检测远距离烟雾640x6409平衡速度与精度另外由于夜间火光和白天烟气的视觉效果差异极大建议开启更多的颜色抖动和马赛克增强提升模型对光照变化的鲁棒性。曝光度这块Darknet在data.c里通过曝光度参数控制可以在cfg文件里随机设置增强模型对明亮火光的适应。5.3 通过训练日志诊断模型状态训练时的日志已经包含很多有用信号。看avg loss的下降趋势能判断学习率是否合适看IOU变化能看出anchor与目标框是否匹配。如果需要把日志画成曲线可以用awk快速提取grep avg train.log | awk {print $3} loss.txt gnuplot -e plot loss.txt with lines这段命令会把日志中avg列输出到loss.txt再用gnuplot绘制。很多训练问题都可以从曲线形态直接判断如果loss前500步没有从高位明显下降说明学习率偏大或数据路径配置错误如果loss在几个epoch内存说明模型容量不足需要加大网络深度或减小输入分辨率如果验证集mAP出现掉点说明过拟合开始了要及时早停。6. 工程化部署把模型接到报警系统6.1 导出ONNX/TensorRT的常见做法当训练完成后你需要把Darknet权重部署到服务或边缘设备。直接把weights文件用于生产环境不太现实因为Python生态和C API的集成成本高。常见做法是先转换为ONNX再利用TensorRT或OpenVINO做进一步推理优化。Darknet到ONNX可以使用darknet2onnx这类社区工具基本命令是python darknet2onnx.py input.cfg input.weights output.onnx导出后建议用onnx的验证器跑一遍确认网络结构里的yolo层被正确处理。如果导出后丢失了yolo层需要手动添加非极大值抑制后处理。6.2 后处理推理与报警触发代码片段ONNX或直接使用Darknet预测原始输出时输出的形状通常是[batch, grid_h, grid_w, num_anchors, 5num_classes]解码时要先还原中心坐标和宽高优先提取置信度高于阈值的框再做NMS。下面是一个轻量级的解码函数import numpy as np def decode_yolo(pred, anchors, num_classes, input_w, input_h, conf_thresh0.5): grid_h, grid_w pred.shape[1], pred.shape[2] pred pred[0] # [grid_h, grid_w, num_anchors, 5num_classes] boxes [] for j in range(grid_h): for i in range(grid_w): for a, anchor in enumerate(anchors): p pred[j, i, a] obj_conf p[4] if obj_conf conf_thresh: continue class_probs p[5:] cls_id np.argmax(class_probs) cls_conf class_probs[cls_id] if cls_conf * obj_conf conf_thresh: continue dx, dy, dw, dh p[0], p[1], p[2], p[3] cx (i 1 / (1 np.exp(-dx))) / grid_w * input_w cy (j 1 / (1 np.exp(-dy))) / grid_h * input_h w anchor[0] * np.exp(dw) / input_w h anchor[1] * np.exp(dh) / input_h boxes.append([cx, cy, w, h, obj_conf * cls_conf, cls_id]) return boxes代码的核心是先用sigmoid把偏移量映射到中心位置再将相对网格的宽高换算成绝对像素。由于火焰烟雾报警系统的输入通常是摄像头流帧率要求高推荐把NMS阈值设在0.4置信度阈值设在0.5以上过滤掉监控画面中常见的灯光闪烁干扰。最后根据输出触发报警可以在检测到某个类别持续超过3帧时才发警报避免单帧误检带来的噪声。本文还有配套的精品资源点击获取 
长河君 · 2026/9/11 22:36:47 · 阅读 1.2k 火焰烟雾检测实战：YOLO数据集与Darknet训练部署完全指南
简介面向火焰烟雾目标检测任务的YOLO格式数据集及配套工程包适合人工智能、深度学习方向的开发者与研究人员可直接用于模型训练、验证与工程化部署。数据图片清晰、场景覆盖广泛所有样本经人工精心挑选与标注可以作为火焰烟雾检测的通用模板数据集针对特定应用场景只需补充少量现场数据即可快速迭代模型省去大量收集、筛选与标注工作。压缩包共332个文件约32.18MB主要包含图像与视频样本、txt/names/data等标注格式文件、yaml及cfg模型配置、py/sh训练与推理脚本以及darknet相关C/CUDA源码和可执行模块兼顾数据处理与算法二次开发需求。目前已有2017人学习下载适合需要快速搭建火焰烟雾检测系统的开发者参考使用。1. 火焰烟雾数据集为什么我建议直接从YOLO格式开始在安防和工业监控场景下火焰烟雾检测最耗时间的环节往往是数据准备。拉过来的公开图片要么背景单一要么标注格式混乱换到实际监控点效果很差。这套火焰烟雾数据集YOLO.zip是已经把图片清理过、人工标注完的模板数据图片清晰、场景覆盖广能直接扔给Darknet/YOLO训练。对于算法工程师来说它解决了从零收集、筛选、标注图片的脏活让你把精力放在模型调参和部署上。如果你正在做人脸识别、吸烟检测或明火报警相关项目这套数据也能作为底座配合少量特定场景数据微调很快出结果。下面从数据格式开始完整走一遍训练到部署的链路。2. 数据集内容与Darknet源码文件压缩包里到底有什么2.1 图片集与标注文件的组织方式解压之后目录结构是典型的Darknet训练工程布局。一个最重要的约定是图片和同名txt标注放在不同目录训练时通过文本文件列表去关联它们。通常你会看到images/和labels/两个文件夹images里是原始图片labels里是每个图片对应的txt文件每行对应图中一个目标。classes.txt定义了类别名称例如fire和smoke类别ID就是行号从0开始。这个命名规则直接决定之后所有训练脚本如何读取。文件/目录作用images/存放火焰烟雾图片JPG或PNGlabels/存放与图片同名的txt标注YOLO格式classes.txt每行一个类别名行号即类别IDtrain.txt训练图片路径列表由使用者生成gemm.c、parser.c 等Darknet源码编译训练框架所需对于火焰烟雾检测最常见的是二分类即0 fire、1 smoke。但如果你还希望区分早期阴燃和明火完全可以把类别扩充到3个或更多数据集本身的标注是基于人工框选的目标范围没有锁定类别数量这也是模板数据灵活的地方。2.2 Darknet关键C文件在训练中的角色项目内列出的C文件都不是数据集标注而是Darknet运行时依赖的核心模块。不把它们放进工程里训练程序连编译都过不去。这些文件之间的关系并不复杂gemm.c实现矩阵乘法是卷积前向和反向的底层地基parser.c负责解析yolov3.cfg这类网络结构文件data.c承担图片批量读取和增强detector.c是检测入口支持train和test两种模式convolutional_layer.c定义卷积层的前后向计算conv_lstm_layer.c则是卷积LSTM实现适合对视频序列建模yolo_layer.c直接计算输出层的损失函数。如果你使用的是官方Darknet这份清单几乎是最小编译集合的一部分。这里要说清楚一个容易踩的坑不要随便把不同分支的Darknet源码混合编译。比如从AlexeyAB库拉取源码之后又用官方老版本的gemm.c去替换会出现矩阵维度对不上的错误报错位置通常就在gemm的指针越界。我一般会直接固定一个版本的Darknet并记录commit号这样后续更换数据集或改cfg时可复现性才有保障。2.3 手动校验标注质量的工具与方法训练一个火焰烟雾模型前花十分钟跑一遍标注质量检查非常值。最可能出现的问题是标注坐标越界、图片存在但labels目录里缺少对应txt、以及类别ID不连续。下面这段脚本可以快速排查import os from collections import defaultdict def check_labels(img_dir, label_dir): img_files [f for f in os.listdir(img_dir) if f.endswith(.jpg)] issues [] cls_count defaultdict(int) for img in img_files: lbl os.path.splitext(img)[0] .txt path os.path.join(label_dir, lbl) if not os.path.exists(path): issues.append((img, missing label)) continue with open(path) as f: lines f.read().splitlines() if len(lines) 0: issues.append((img, empty label)) continue for line in lines: parts line.split() if len(parts) ! 5: issues.append((img, bad format: %s % line)) continue cls_id int(parts[0]) x, y, w, h map(float, parts[1:]) cls_count[cls_id] 1 if not (0 x 1 and 0 y 1 and 0 w 1 and 0 h 1): issues.append((img, out of range: %s % line)) return issues, cls_count issues, cls_count check_labels(images, labels) print(issues:, issues[:20]) print(class distribution:, dict(cls_count))这段代码会遍历images下所有jpg图片在labels目录找同名txt逐行检查格式和数值区间。注意这里的坐标必须是归一化后的0到1范围如果发现某个框的w或h大于1说明标注文件可能是像素坐标需要先做归一化再进入训练流程。3. 标注格式解析与KITTI转YOLO一份可复用的转换脚本3.1 YOLO标注格式的数学定义YOLO格式的标注核心是“归一化中心点加宽高”。假设图片宽为W、高为H某个目标框在像素坐标下的左上角为(x1, y1)右下角为(x2, y2)那么YOLO格式需要的四个值分别是xc (x1 x2) / (2 * W) yc (y1 y2) / (2 * H) w (x2 - x1) / W h (y2 - y1) / H类别ID单独放在每行开头。这个定义决定了它天然适应不同分辨率的图片因为所有坐标都是相对值。反过来说如果在预处理时对图片做了resize归一化坐标不需要反向缩放如果是直接裁剪图片就需要重新计算标注。很多新手把xc和yc当作像素坐标直接画框得到的框位置完全错位。一个快速验证方法是把txt里的数值乘以图片宽高再看是否落在目标上。3.2 KITTI标注转YOLO脚本实现在自动驾驶领域经常遇到KITTI格式的数据集。KITTI的标注行比YOLO复杂包含了截断度、遮挡程度、3D尺寸和朝向角等字段但转换时我们只需要bbox的四个像素坐标。常见做法是先从csv或txt中提取KITTI这行然后执行如下转换import os def kitti_to_yolo(kitti_path, img_w, img_h, out_path, class_names): with open(kitti_path) as f: lines f.read().splitlines() yolo_lines [] for line in lines: parts line.split() if len(parts) 8: continue cls_name parts[0] x1, y1, x2, y2 map(float, parts[4:8]) if x2 x1 or y2 y1: continue xc (x1 x2) / 2 / img_w yc (y1 y2) / 2 / img_h w (x2 - x1) / img_w h (y2 - y1) / img_h cls_id class_names.index(cls_name) yolo_lines.append(f{cls_id} {xc:.6f} {yc:.6f} {w:.6f} {h:.6f}) with open(out_path, w) as f: f.write(\n.join(yolo_lines)) class_names [DontCare, Car, Pedestrian, Fire, Smoke] kitti_to_yolo(sample_kitti.txt, 1920, 1080, sample_yolo.txt, class_names)这个脚本的关键在于直接读取KITTI行里的第4到第8个字段作为2D框也就是x1 y1 x2 y2。最后的class_names需要你根据KITTI原始类别重新定义如果原始数据里有DontCare建议直接跳过否则训练时会引入无效的负样本。注意输出时保留6位小数精度越高训练启动时框归一化越稳定。3.3 归一化坐标在图像resize时的陷阱前处理里最常见的坑是你在训练脚本中把图片resize到了640x640但标注txt里的w和h仍然是基于原图的归一化值此时你不需要任何修改因为归一化已经消除了尺寸影响。只有在两种情况下需要重新计算操作类型是否需要重算原因等比缩放图片不需要归一化坐标相对比例不变裁剪图片必须重算目标框在裁剪后坐标系中位置变化拼接图片Mosaic必须重算每张子图被平移并缩放到新画布表格列出的情况都很常见。尤其是Mosaic增强Darknet实现会先对四张图分别缩放再拼到一个大画布上标签也要跟着做对应的仿射变换。如果自己写数据增强最容易漏掉的就是这一步导致模型训练时看到的框与实际目标不符表现为训练Loss很快降到很低但mAP始终上不去。4. Darknet训练流程从编译到跑通火焰烟雾模型4.1 编译DarknetGPU环境与Makefile关键选项拿到数据集后第一步是准备好编译环境。Darknet的构建依赖一套配套的C编译器在Ubuntu上最省事的是直接修改Makefile。对于火焰烟雾检测这种视频流任务建议开启GPU加速否则推理速度很难满足实时监控要求。打开Makefile把前几行改成GPU1 CUDNN1 OPENCV1随后在源码根目录执行make -j8。如果编译过程中报错缺少cudnn.h说明CUDA目录没有正确暴露常见解法是设置PATH和LD_LIBRARY_PATH后再编译。这里要注意项目自带的gemm.c和parser.c等文件必须和你要编译的框架版本匹配直接拿新版本源码去替换会引起结构体定义不一致。Makefile选项打开方式影响GPU1使用CUDA训练CUDNN1使用cuDNN加速卷积OPENCV1摄像头读取与图像保存CUDNN_HALF1半精度推理注意输出精度4.2 训练数据清单与训练配置编译完成后需要把数据集划分成训练集和验证集。Darknet不直接读目录而是通过train.txt和val.txt分别提供图片路径。生成路径列表可以用一条命令find /path/to/fire_dataset/images -name *.jpg train.txt find /path/to/fire_dataset/images -name *.jpg val.txt更合理的做法是先用脚本把数据按8:1:1划分然后把train和val分布到两个文件。实际使用中我还会额外生成一个test.txt避免用验证集反复调优导致过拟合。确认列表后创建fire.data文件内容参考如下classes2 train/path/to/train.txt valid/path/to/val.txt names/path/to/classes.txt backup/path/to/backup/这里classes必须与classes.txt的行数一致backup目录用来保存训练过程中的权重文件。如果忘记创建backup目录程序会在训练中途报错无法写入权重。4.3 执行训练与断点续训命令基于数据集自带的模板我一般会先从预训练权重开始训练。YOLOv3系列官方提供的darknet53.conv.74是不带检测头的特征提取预训练权重适合迁移到火焰烟雾检测任务。启动命令./darknet detector train data/fire.data cfg/yolov3-fire.cfg darknet53.conv.74 -map命令里的detector train指定训练模式data/fire.data是前面创建的配置cfg/yolov3-fire.cfg是网络结构文件darknet53.conv.74是预训练权重。-map会在每个epoch结束后在验证集上计算mAP方便观察过拟合。训练中断后不需要重新开始继续用上一次保存的weights文件./darknet detector train data/fire.data cfg/yolov3-fire.cfg backup/yolov3-fire_last.weights这种断点续训方式在长时间挂机训练时非常实用。需要注意续训时不能再附加预训练权重否则会覆盖已经学到的检测头参数严重时导致loss从高位重新下降。5. YOLO损失函数分析与火焰烟雾场景调参5.1 损失函数四个组成部分YOLO的损失函数不是单一loss而是四个部分的加权和。在yolo_layer.c中输入特征图被切成网格每个网格预测多个anchor然后分别计算坐标损失、置信度损失和类别损失。坐标损失使用平方误差监督目标框中心点偏移和宽高缩放置信度损失使用二元交叉熵区分该网格内是否真实存在目标类别损失同样是交叉熵只在有目标的网格上计算。第四个部分是noobj损失用于抑制没有目标区域产生误检。这四部分里面noobj loss的影响常被低估。火焰烟雾场景下的负样本比例极高因为大部分监控画面在绝大多数时间里都没有火情。如果noobj权重设置过大模型会倾向于把所有框都预测成背景召回率暴跌设置过小又会出现大量误报。我通常先保持默认然后根据第一次训练日志中的混淆矩阵微调。5.2 小目标、曝光度与类不平衡anchor和超参数的调整火焰烟雾的特殊性在于目标尺度变化很大近距离火焰可能占半张图远距离烟雾可能只有十几个像素。YOLOv3默认的anchor基于COCO数据集对火焰烟雾并不合适需要重新聚类。常见做法是用kmeans对训练集标注框做anchor聚类比如输入分辨率建议anchor个数适用场景416x4166~9目标是中小尺寸608x6089需要检测远距离烟雾640x6409平衡速度与精度另外由于夜间火光和白天烟气的视觉效果差异极大建议开启更多的颜色抖动和马赛克增强提升模型对光照变化的鲁棒性。曝光度这块Darknet在data.c里通过曝光度参数控制可以在cfg文件里随机设置增强模型对明亮火光的适应。5.3 通过训练日志诊断模型状态训练时的日志已经包含很多有用信号。看avg loss的下降趋势能判断学习率是否合适看IOU变化能看出anchor与目标框是否匹配。如果需要把日志画成曲线可以用awk快速提取grep avg train.log | awk {print $3} loss.txt gnuplot -e plot loss.txt with lines这段命令会把日志中avg列输出到loss.txt再用gnuplot绘制。很多训练问题都可以从曲线形态直接判断如果loss前500步没有从高位明显下降说明学习率偏大或数据路径配置错误如果loss在几个epoch内存说明模型容量不足需要加大网络深度或减小输入分辨率如果验证集mAP出现掉点说明过拟合开始了要及时早停。6. 工程化部署把模型接到报警系统6.1 导出ONNX/TensorRT的常见做法当训练完成后你需要把Darknet权重部署到服务或边缘设备。直接把weights文件用于生产环境不太现实因为Python生态和C API的集成成本高。常见做法是先转换为ONNX再利用TensorRT或OpenVINO做进一步推理优化。Darknet到ONNX可以使用darknet2onnx这类社区工具基本命令是python darknet2onnx.py input.cfg input.weights output.onnx导出后建议用onnx的验证器跑一遍确认网络结构里的yolo层被正确处理。如果导出后丢失了yolo层需要手动添加非极大值抑制后处理。6.2 后处理推理与报警触发代码片段ONNX或直接使用Darknet预测原始输出时输出的形状通常是[batch, grid_h, grid_w, num_anchors, 5num_classes]解码时要先还原中心坐标和宽高优先提取置信度高于阈值的框再做NMS。下面是一个轻量级的解码函数import numpy as np def decode_yolo(pred, anchors, num_classes, input_w, input_h, conf_thresh0.5): grid_h, grid_w pred.shape[1], pred.shape[2] pred pred[0] # [grid_h, grid_w, num_anchors, 5num_classes] boxes [] for j in range(grid_h): for i in range(grid_w): for a, anchor in enumerate(anchors): p pred[j, i, a] obj_conf p[4] if obj_conf conf_thresh: continue class_probs p[5:] cls_id np.argmax(class_probs) cls_conf class_probs[cls_id] if cls_conf * obj_conf conf_thresh: continue dx, dy, dw, dh p[0], p[1], p[2], p[3] cx (i 1 / (1 np.exp(-dx))) / grid_w * input_w cy (j 1 / (1 np.exp(-dy))) / grid_h * input_h w anchor[0] * np.exp(dw) / input_w h anchor[1] * np.exp(dh) / input_h boxes.append([cx, cy, w, h, obj_conf * cls_conf, cls_id]) return boxes代码的核心是先用sigmoid把偏移量映射到中心位置再将相对网格的宽高换算成绝对像素。由于火焰烟雾报警系统的输入通常是摄像头流帧率要求高推荐把NMS阈值设在0.4置信度阈值设在0.5以上过滤掉监控画面中常见的灯光闪烁干扰。最后根据输出触发报警可以在检测到某个类别持续超过3帧时才发警报避免单帧误检带来的噪声。本文还有配套的精品资源点击获取